Diese Dokumentation erm\u00f6glicht es Nutzern, verschiedene Ber\u00fchrungspunkte im Datenfluss zu beobachten und zu verfolgen, sodass Unternehmen die Genauigkeit und Konsistenz ihrer Daten \u00fcberpr\u00fcfen k\u00f6nnen. Dies ist eine entscheidende F\u00e4higkeit zur Sicherstellung der Datenqualit\u00e4t in einem Unternehmen. Sie wird h\u00e4ufig genutzt, um Kontextinformationen zu historischen Prozessen zu erhalten und die Ursache von Fehlern zu ermitteln.<\/p>\n Unternehmen fordern heutzutage zunehmend Echtzeit-Einblicke, doch diese Erkenntnisse erfordern ein Verst\u00e4ndnis der Daten und ihres Weges durch die Datenpipeline. Teams nutzen unter anderem folgende Methoden, um durchg\u00e4ngige Datenherkunftsanalysen zur Verbesserung ihrer Arbeitsabl\u00e4ufe einzusetzen:<\/p>\n Um die verschiedenen Datenelemente und ihre Verbindungen innerhalb eines Unternehmens visuell darzustellen, muss das Unternehmen die zugrunde liegenden Datenstrukturen definieren. Die Datenherkunft hilft, diese Beziehungen zu modellieren und die verschiedenen Abh\u00e4ngigkeiten im Daten\u00f6kosystem zu veranschaulichen. Daten entwickeln sich im Laufe der Zeit, neue Datenquellen entstehen st\u00e4ndig. Datenintegrationen<\/a><\/strong> wird erforderlich sein usw.<\/p>\n Daher muss sich auch das gesamte Datenmodell, das Unternehmen zur Datenverwaltung nutzen, an ver\u00e4nderte Gegebenheiten anpassen. Die Datenherkunft hilft Unternehmen dabei, diese Ver\u00e4nderungen im Zeitverlauf mithilfe von Datenmodelldiagrammen pr\u00e4zise abzubilden und neue oder veraltete Verbindungen oder Tabellen hervorzuheben. Dies wiederum unterst\u00fctzt Analysten und Datenwissenschaftler<\/a><\/strong> Sie f\u00fchren wertvolle und zeitnahe Analysen durch, sobald sie ein besseres Verst\u00e4ndnis des Datensatzes erlangen.<\/p>\n Unternehmen nutzen die Datenmigration, um den Speicherort und den Lebenszyklus von Daten zu verstehen, wenn sie Daten in ein neues Speichersystem migrieren oder neue Software einf\u00fchren. Da die Datenherkunft Aufschluss dar\u00fcber gibt, wie Daten im gesamten Unternehmen flie\u00dfen, unterst\u00fctzt sie Teams bei der Planung von Systemmigrationen oder -aktualisierungen und beschleunigt so den gesamten \u00dcbergang zu einer neuen Speicherumgebung.<\/p>\n Dar\u00fcber hinaus bietet es Teams die M\u00f6glichkeit, Datensysteme zu bereinigen, irrelevante alte Daten zu archivieren oder zu l\u00f6schen; dadurch kann die Gesamtleistung der Datensysteme verbessert und die Menge der zu verwaltenden Daten reduziert werden.<\/p>\n Die Datenherkunftsnachverfolgung bietet einen Mechanismus zur Einhaltung der Vorschriften, der bei Audits hilft, das Risikomanagement verbessert und sicherstellt, dass Daten gem\u00e4\u00df den Richtlinien und Vorschriften zur Datenverwaltung gespeichert und verarbeitet werden. Beispielsweise wurde 2016 die Datenschutz-Grundverordnung (DSGVO) eingef\u00fchrt, um die personenbezogenen Daten von Personen in der Europ\u00e4ischen Union und dem Europ\u00e4ischen Wirtschaftsraum zu sch\u00fctzen und ihnen mehr Kontrolle \u00fcber ihre Daten zu geben.<\/p>\n In den USA entwickeln einige Bundesstaaten Richtlinien wie den California Consumer Privacy Act (CCPA), der Unternehmen verpflichtet, Verbraucher \u00fcber die Erhebung ihrer Daten zu informieren. Solche Gesetze r\u00fccken Datenspeicherung und -sicherheit in den Vordergrund, und ohne Tools zur Datenherkunftsanalyse k\u00f6nnen Verst\u00f6\u00dfe gegen die Vorschriften f\u00fcr Unternehmen zeitaufw\u00e4ndig und kostspielig werden.<\/p>\n Mithilfe von Datenherkunftsanalysen k\u00f6nnen Sie die Auswirkungen bestimmter Gesch\u00e4fts\u00e4nderungen, beispielsweise auf nachgelagerte Berichte, nachvollziehen. \u00c4ndert sich beispielsweise der Name eines Datenelements, hilft die Datenherkunftsanalyse F\u00fchrungskr\u00e4ften zu verstehen, wie viele Dashboards betroffen sein k\u00f6nnten und wie viele Nutzer anschlie\u00dfend auf den Bericht zugreifen.<\/p>\n Es kann auch dabei helfen, die Auswirkungen von Datenfehlern und Risiken im gesamten Unternehmen zu bewerten. Datenfehler k\u00f6nnen aus verschiedenen Gr\u00fcnden auftreten und das Vertrauen in bestimmte Business-Intelligence-Berichte oder Datenquellen untergraben. Tools zur Datenherkunftsanalyse k\u00f6nnen Teams jedoch dabei unterst\u00fctzen, die Fehlerquelle aufzusp\u00fcren, die Datenverarbeitung zu optimieren und mit den zust\u00e4ndigen Teams zu kommunizieren.<\/p>\n![\"H\u00e4ufige](\"https:\/\/www.gudusoft.com\/wp-content\/uploads\/2022\/07\/Common_Data_Lineage_Use_Cases-2.png\")
4 h\u00e4ufige Anwendungsf\u00e4lle f\u00fcr Datenherkunft<\/h3>\n
H\u00e4ufige Anwendungsf\u00e4lle f\u00fcr Datenherkunft \u2013 1. Datenmodellierung<\/h4>\n
H\u00e4ufige Anwendungsf\u00e4lle f\u00fcr die Datenherkunft \u2013 2. Datenmigration<\/h4>\n
H\u00e4ufige Anwendungsf\u00e4lle f\u00fcr die Datenherkunft \u2013 3. Compliance<\/h4>\n
H\u00e4ufige Anwendungsf\u00e4lle f\u00fcr Datenherkunft \u2013 4. Wirkungsanalyse:<\/h4>\n
Abschluss<\/h3>\n